La zone « Goldilocks » : vers un avenir numérique accessible à l'ère de l'IA

L'utilisation de l'intelligence artificielle (IA) pour lever les obstacles à l'accessibilité n'est-elle qu'un conte de fées ? L'IA ne résoudra-t-elle rien ? L'IA résoudra-t-elle tout ? Ou bien l'IA, affinée par l'intelligence humaine et l'éthique, sera-t-elle la véritable voie vers une accessibilité systémique ?

En tant que secteur, cela fait plus de vingt ans que nous nous efforçons de faire de l'accessibilité numérique une réalité. Pourtant, nous n'avons pas suffisamment progressé. Et si nous continuons à aborder le problème de l'accessibilité numérique comme nous le faisons depuis 1999, nous n'y parviendrons jamais.

Mais tout n'est pas perdu !

Entre dangers effrayants et opportunités extraordinaires, il existe une « zone idéale » pour une utilisation éthique de l'IA dans le domaine de l'accessibilité numérique.

Où nous sommes allés

Bien que l’on œuvre depuis plus de vingt ans à la réalisation de cet objectif d’égalité numérique, la plupart des sites web ne sont pas accessibles aux personnes souffrant de handicaps visuels, auditifs, de motricité fine, de la parole ou cognitifs. L’étude « WebAIM Million 2023 » a révélé qu’environ 96,3 % des pages d’accueil sur Internet ne respectaient pas l’ensemble des directives d’accessibilité. Cette situation est manifestement inacceptable, mais nous ne sommes pas près de réaliser des progrès significatifs si nous ne trouvons pas de nouvelles méthodes plus efficaces pour faire de l’accessibilité numérique une réalité.

Où nous trouver

Le mouvement de l’IA générative (GenAI) est en marche, que cela nous plaise ou non. En tant que secteur, nous ne pouvons pas nous permettre de rester les bras croisés en attendant de voir ce qui va se passer. Tout comme l’accessibilité ne doit pas être une considération secondaire lors de la conception et du développement de logiciels, nous devons faire de l’accessibilité une partie intégrante de la GenAI. Si nous ne le faisons pas, les barrières numériques se multiplieront dix fois plus vite qu’aujourd’hui — car c’est la vitesse à laquelle le développement logiciel va évoluer.

Où allons-nous ?

L'IA générative (GenAI) est un sous-ensemble de l'IA axé sur la création de nouveaux contenus. Ces nouveaux contenus peuvent prendre la forme de textes, de discours, d'images, de vidéos, de musique, de code logiciel, etc. Gartner définit la GenAI ainsi : « L’IA générative est capable d’apprendre à partir d’artefacts existants pour générer (à grande échelle) de nouveaux artefacts réalistes qui reflètent les caractéristiques des données d’entraînement sans toutefois les reproduire à l’identique. » La GenAI crée déjà des contenus utiles et uniques, notamment en produisant de nouvelles œuvres d’art, en découvrant de nouveaux médicaments et en rédigeant des premières ébauches de code logiciel.

Cette forme d'IA soulève des possibilités fascinantes et des questions sur les frontières entre le contenu artificiel et celui créé par l'homme. Elle nécessite également une réflexion approfondie sur ses implications éthiques et son utilisation responsable. Examinons de plus près la GenAI !

IA générative et accessibilité

L'IA générative, et plus particulièrement les grands modèles linguistiques (LLM), offre une opportunité unique de relever les défis liés à l'accessibilité de manière plus dynamique et plus contextuelle que jamais. Voici quelques exemples illustrant comment l'IA générative peut contribuer à l'accessibilité :

Création d'un texte alternatif accessible

Historiquement, le texte alternatif a toujours été une solution universelle, qui ne parvenait souvent pas à fournir un contexte pertinent. L’IA générative peut révolutionner cette pratique en générant des textes alternatifs sur mesure qui tiennent compte du contexte de l’image sur la page web. Par exemple, on peut demander à un modèle de langage de grande envergure (LLM) de se concentrer sur le sujet, la composition et le contexte d’une image afin de comprendre ce que le texte alternatif doit apporter. Bien que l’utilisation de l’IA dans ce domaine soit controversée, elle recèle un potentiel incroyable.

Améliorer l'assistance visuelle

Une autre application prometteuse est « Be My AI » de Be My Eyes, qui s’appuie sur GPT-4. Cette application fournit aux utilisateurs des informations détaillées sur les éléments visuels capturés par leur appareil photo, renforçant ainsi l’autonomie des personnes malvoyantes. En pointant leur appareil photo vers un objet, les utilisateurs peuvent obtenir des descriptions complètes, ce qui les aide à se repérer plus facilement dans leur environnement. Nous disposons de témoignages de personnes aveugles qui utilisent « Be My AI » pour surmonter les difficultés liées aux interfaces numériques inaccessibles.

Assistance automatisée en matière d'accessibilité

Chez Deque, nous exploitons l'IA générative (GenAI) pour développer axe Assistant, un chatbot pionnier dédié à l'accessibilité, formé à partir des connaissances approfondies de l'Université d'Deque en matière d'accessibilité. axe Assistant offre une assistance 24 h/24 et 7 j/7, apportant des réponses immédiates aux questions relatives à l'accessibilité. Il est capable de générer du code HTML pour des composants accessibles, tels que les libellés de formulaires et les textes alternatifs, et de fournir des conseils sur diverses pratiques en matière d'accessibilité.

Comment s'y préparer

Cette année, et à l'avenir, l'accessibilité ne doit pas rester en marge de l'IA. Nous devons embrasser cette nouvelle vague informatique.

Lorsque Amy Webb, PDG du Future Today Institute, est intervenue au SXSW l'année dernière, elle a présenté un outil précieux, mis à disposition sous licence Creative Commons et baptisé ADM (Act Decide Monitor), destiné à nous aider à hiérarchiser nos actions à l'ère de l'IA.

Nous pouvons appliquer l'outil ADM d'Amy Webb à l'IA dans notre secteur de l'accessibilité afin de garantir que celle-ci fasse partie intégrante de l'IA. Cela peut nous aider à découvrir comment l'IA peut contribuer à faire tomber les barrières numériques plus rapidement qu'elles ne se dressent.

Ce que l'IA peut apporter aujourd'hui à l'accessibilité numérique

L'IA étroite (où les systèmes sont conçus pour effectuer une seule tâche) peut « examiner » une interface utilisateur numérique rendue, ainsi que le code sous-jacent s'il est disponible, et apprendre à passer au crible avec précision des montagnes de données afin d'identifier les problèmes d'accessibilité, notamment :

• « cellule de tableau » qui, visuellement, fait office d'en-tête de colonne ou de ligne, mais qui n'est pas marquée comme telle
  • Une « cellule de tableau » pourrait être créée à l'aide d'éléments DIV non sémantiques et sans ARIA
  • L'apprentissage automatique permet de comparer avec précision cette « cellule de tableau » DIV inaccessible à d'autres exemples de « cellules de tableau » inaccessibles sélectionnés par des humains.
• « bouton » qui ne fonctionne qu’avec la souris, mais pas avec le clavier
  • Le « bouton » pourrait être créé à l'aide d'éléments DIV non sémantiques et sans ARIA
  • L'apprentissage automatique permet de comparer avec précision ce DIV « bouton » inaccessible à d'autres exemples de « boutons » inaccessibles sélectionnés par des humains. L'IA peut ensuite tenter d'activer le « bouton » à l'aide d'une touche du clavier et signaler avec précision un problème lié à la norme WCAG 2.x 2.1.1 relative à l'utilisation du clavier si le « bouton » ne peut pas être activé.
• « texte » intégré à une image dont le contraste des couleurs n'est pas conforme
  • L'apprentissage automatique permet d'identifier avec précision le texte intégré dans une image, de sélectionner des échantillons représentatifs de la couleur du texte et de la couleur de l'arrière-plan environnant, et de signaler tout non-respect de la règle WCAG 2.x 1.4.3 « Contraste (minimum) » lorsqu'il atteint un niveau de confiance de x %. Si le niveau de confiance est inférieur à x %, le problème peut être marqué comme nécessitant une vérification humaine.

Ces modèles d'IA peuvent être programmés pour demander une vérification humaine s'il n'y a pas suffisamment d'informations pour atteindre un niveau de confiance de x %, x % pouvant être ajusté en fonction du niveau de précision qui vous convient.

Des tests à la vitesse de l'IA

Cela peut ressembler à un conte de fées, et vous aurez peut-être besoin de plus de temps avant d’être prêt à faire confiance à l’IA. Mais compte tenu du rythme auquel les contenus numériques (nouvelles pages web, nouveaux écrans d’applications) sont créés, nous sommes voués à l’échec si nous persistons à n’utiliser que des tests d’accessibilité manuels réalisés par des experts humains.

Même si nous parvenions à répondre aux besoins en matière de tests pour les nouvelles pages et les nouveaux écrans, nous devons également tenir compte de la fréquence à laquelle les développeurs et les contributeurs de contenu mettent à jour ce dernier. La validité d'un test d'accessibilité manuel d'une page ou d'un écran, réalisé par un expert qualifié, n'est valable que jusqu'à ce que cette page ou cet écran soit modifié.

Mais tout n'est pas perdu !

Nous pouvons utiliser l'IA à bon escient pour compléter nos ressources humaines limitées. En effet, il serait irresponsable de ne pas recourir à l'IA pour faciliter les tests d'accessibilité numérique alors que le modèle de décision manuel utilisé pour ces tests par un être humain est simple.

Par exemple, vous pouvez décrire le processus de test étape par étape et former une personne ayant un niveau d’études équivalent à la 6e à identifier correctement ce qui est conforme et ce qui ne l’est pas. De plus, une grande quantité de données est disponible pour entraîner et tester ce modèle décisionnel d’IA. Parallèlement, nous pouvons concentrer nos capacités intellectuelles sur la vérification de la précision des résultats des tests d’accessibilité effectués par l’IA sur des échantillons représentatifs, et nous pouvons réaliser des tests d’accessibilité manuels lorsque les résultats des tests de l’IA sont inférieurs à votre seuil de tolérance en matière de précision.

Les dangers de l'IA (Les Trois Ours)

Lorsque nous utilisons l'IA dans le domaine de l'accessibilité numérique, nous devons également prendre en compte et atténuer les dangers réels et actuels liés à cette nouvelle technologie. L'approche recommandée est multiforme et s'appuie à la fois sur la technologie et sur un cadre éthique. Commençons par examiner trois des dangers liés à l'IA (aussi appelés « les trois ours ») et ce que nous pouvons faire pour y faire face :

1. Utilisation contraire à l'éthique de l'IA :

Pour nous prémunir contre toute utilisation contraire à l’éthique de l’IA, nous devons mettre en place une gouvernance de l’IA au sein de chacune de nos organisations. Cette gouvernance implique l’élaboration de lignes directrices et de politiques claires définissant les utilisations acceptables de l’IA. Nous devons garantir la transparence de l’IA que nous utilisons, notamment en comprenant les mécanismes qui sous-tendent la prise de décision de l’IA, afin que les humains conservent la capacité de vérifier l’exactitude des décisions prises par l’IA. Nous devons également responsabiliser les développeurs, les contributeurs de contenu et l’ensemble des collaborateurs quant aux données d’IA qu’ils utilisent, ainsi qu’aux actions et décisions prises à partir de ces données. Nous devons promouvoir une culture de la responsabilité.

Par exemple, de nombreux véhicules sont aujourd’hui équipés d’une intelligence artificielle (IA) destinée à aider le conducteur à effectuer des manœuvres importantes, comme rester dans la bonne voie et éviter une collision lors d’un changement de voie. Même si le conducteur utilise l’IA pour renforcer sa sécurité, il reste responsable de maintenir le véhicule dans la bonne voie et de veiller à ne pas percuter d’autres véhicules ou des obstacles.

2. Les biais dans l'IA :

Les biais dans l'IA sont généralement dus à des biais historiques présents dans les données utilisées pour l'entraînement des modèles. En d'autres termes, « des données biaisées en entrée » entraînent « des données (et des décisions) biaisées en sortie ». Parmi les exemples de biais néfastes dans l'IA, on peut citer les modèles de présélection des candidatures à un emploi, les modèles d'approbation de prêts bancaires qui discriminent illégalement certaines catégories protégées, ainsi que les modèles de reconnaissance faciale entraînés uniquement à partir de données représentant des teints clairs.

En réalité, les préjugés et la discrimination peuvent se cacher chez une personne en qui vous avez actuellement confiance. La question est la suivante : sera-t-il plus facile d’identifier les préjugés dans l’IA que chez les êtres humains ? Pourrions-nous réellement utiliser l’IA pour modéliser des décisions équitables et éthiques qui respectent systématiquement les droits de l’homme ?

Nous devons rester vigilants et guetter tout biais dans nos données et les résultats de l’IA. Lorsque nous identifions un biais, nous devons le signaler et ne pas baisser les bras tant qu’il n’aura pas été corrigé. Nous pouvons commencer par constituer avec soin des ensembles de données diversifiés et représentatifs, en veillant à ce que ces données soient inclusives et ne reproduisent pas les préjugés existants. Des outils et des techniques, tels que les algorithmes respectueux de l’équité et les tests adversariaux, permettent de détecter, de mesurer et d’éliminer les biais dans les modèles d’IA. Une surveillance et un audit continus constituent des éléments essentiels de ce processus, car les biais peuvent évoluer au fil du temps. Grâce à une main-d’œuvre diversifiée travaillant dans le domaine de l’IA et à la collaboration entre les experts en accessibilité et les data scientists, nous pouvons construire des systèmes d’IA capables de reconnaître et de contrer les biais préjudiciables.

3. Recours excessif ou insuffisant à l'IA :

Il est essentiel de trouver le juste équilibre dans notre recours à l’IA pour faire progresser l’accessibilité numérique. Nous devons éviter une dépendance excessive qui conduirait à une confiance aveugle dans les décisions de l’IA, sans évaluation critique. Dans le même temps, ne pas tirer suffisamment parti de l’IA revient à se priver de la possibilité de résoudre systématiquement les problèmes d’accessibilité numérique plus rapidement qu’ils ne se posent. Pour atténuer ces risques, nous devons aborder cette ère de l’IA avec courage et sagesse, et défendre le concept de « human-in-the-loop », selon lequel l’IA aide la prise de décision humaine sans la remplacer.

Ainsi, bien que l’IA recèle un potentiel extraordinaire, il est essentiel d’identifier et de gérer ces dangers de manière proactive. Grâce à des lignes directrices éthiques, à une surveillance, à une responsabilité clairement définie et à une formation continue, nous pouvons mettre l’IA au service du bien commun. En comprenant mieux les processus décisionnels de l’IA, ses niveaux de confiance calculés et ses sources potentielles d’incertitude, nous, les humains, pouvons garder le contrôle et utiliser l’IA pour nous aider à atteindre notre objectif d’égalité numérique.

Une IA centrée sur l'humain

Il ne suffit pas de parler de l’IA en théorie. Nous devons nous pencher sur des exemples concrets d’utilisation éthique de l’IA dans le domaine de l’accessibilité aujourd’hui. Les exemples que j’ai choisis s’appuient sur des applications concrètes de l’IA sur le site Deque, où nous adoptons ce que nous appelons une « IA centrée sur l’humain » :

« L'IA centrée sur l'humain est une discipline émergente qui vise à créer des systèmes d'IA destinés à amplifier et à renforcer les capacités humaines plutôt qu'à les remplacer. » —Noé Barrell, ingénieur en apprentissage automatique, Deque

Noé décrit ici notre approche sur Deque:

« Notre approche de l’IA est centrée sur l’humain, car elle garantit une précision optimale des résultats générés par la solution tout en offrant un retour sur investissement très élevé aux utilisateurs. Nous utilisons l’IA de multiples façons, notamment pour la détection d’objets, la reconnaissance optique de caractères (OCR) et le rendu visuel du texte et de l’arrière-plan, y compris dans différents états de l’interface utilisateur. Nous la combinons avec des méthodes heuristiques tout en permettant, en dernier ressort, à l’humain de passer outre notre apprentissage automatique. Cela nous permet d’aller au-delà de ce qui est possible avec de simples méthodes heuristiques, sans aucun faux négatif, et de donner aux personnes chargées de fournir des résultats de qualité le pouvoir de prendre des décisions dans des situations complexes. »

Axe DevTools : tests guidés intelligents (IGT) et IA

La fonctionnalité « Intelligent Guided Tests » (IGT) d’Axe DevTools utilise l’IA étroite. Mais avant de recourir à l’IA, Axe DevTools utilise les règles automatisées open source de l’ axe-core pour détecter les problèmes WCAG de base pouvant être identifiés à l’aide de méthodes informatiques traditionnelles. Ensuite, après avoir signalé les problèmes liés à l’ axe-core , Axe DevTools utilise l’IA étroite pour :

• Identifiez de manière fiable encore davantage de problèmes liés aux WCAG qui nécessitaient auparavant une inspection visuelle et/ou une analyse humaine, mais qui peuvent désormais être détectés à l'aide de l'IA, notamment :
  • Problèmes complexes liés au contraste entre le texte et la couleur, notamment lorsque le texte est superposé à une image ou à un dégradé complexe. Dans ces cas complexes, axe DevTools utilise l’IA et le rendu visuel du texte et de l’arrière-plan pour calculer automatiquement la plage des valeurs de contraste des couleurs et signaler avec précision tout problème lié à la règle WCAG 2.x 1.4.3 « Contraste (minimum) ».
  • Valider le nom accessible de la plupart des champs de formulaire. Axe DevTools utilise le modèle OCR de Dequepour générer le texte associé visuellement au champ de formulaire, avec un niveau de précision et de confiance très élevé. Lorsque le niveau de confiance n'est pas suffisant, ce qui est rare, Axe DevTools demande une vérification humaine.
  • Identifier et classer avec précision les objets d'interface utilisateur inaccessibles. Le modèle de détection d'objets de Dequepermet d'identifier les formulaires inaccessibles, les champs de formulaire, les libellés de champs de formulaire, les tableaux de données, les en-têtes de tableaux de données et les éléments interactifs.
• Posez-vous des questions ciblées qui font appel à votre réflexion et qui méritent que vous y consacriez du temps, lorsque l'IA n'est pas certaine qu'il s'agisse ou non d'un problème lié aux WCAG :
  • Chez Deque, nous respectons toujours le manifeste « axe-core », qui prône l'absence totale de faux positifs. Nous avons formé nos modèles d'IA à faire preuve d'humilité et à solliciter VOTRE avis humain en cas de doute.

En quoi cela vous aide-t-il ? Vous bénéficiez des résultats de test automatisés de base d’ axe-core , que vous connaissez déjà et auxquels vous faites confiance. De plus, vous profitez de contrôles automatisés encore plus précis, rendus possibles grâce à l’apprentissage automatique et à la vision par ordinateur. Vos tests d’accessibilité peuvent ainsi être réalisés plus rapidement. Mais surtout, vous pouvez concentrer vos efforts sur les éléments que l’IA ne peut pas apprendre (ou n’a pas encore appris).

Conclusion : la zone « Goldilocks »

En nous inspirant de la métaphore de la « zone de Goldilocks » issue de l’astronomie, il nous incombe à chacun de choisir comment nous allons utiliser l’IA pour faire de l’accessibilité numérique une réalité. Si nous sommes trop optimistes et pensons que l’IA peut tout faire, sans prendre les précautions nécessaires pour intégrer des processus d’audit humains raisonnables dans le processus, nous sommes voués à l’échec. Si nous sommes trop pessimistes et affirmons que, puisque l’IA ne peut pas tout faire parfaitement, nous ne pouvons pas l’utiliser du tout, nous sommes également voués à l’échec — car nous ne disposons pas de suffisamment de ressources humaines ni d’experts pour faire face au volume de travail nécessaire pour rendre nos espaces numériques accessibles et les maintenir ainsi.

La voie pragmatique à suivre consiste à reconnaître que l'IA ne peut pas tout faire. Néanmoins, sous la houlette d'une orientation éthique humaine, l'IA peut et va faire tomber les barrières à l'accessibilité qui ont résisté à nos efforts humains au cours des trois dernières décennies.

À l’ère du numérique, qui évolue à un rythme effréné, la convergence entre l’IA et l’accessibilité revêt une importance cruciale. L’IA nous offre un potentiel remarquable, mais nous confronte également à des défis incontournables. Nous sommes véritablement à l’aube d’une ère de transformation où l’IA, guidée par l’éthique et l’intelligence humaine, peut remodeler radicalement notre paysage numérique pour le rendre inclusif, équitable et accessible. En tant que secteur, nous devons faire preuve de courage et d’esprit d’innovation.

Êtes-vous prêt à franchir le pas et à faire de l'égalité numérique une réalité ? IA + Vous = A11Y !